报告人：冀腾宇
报告地点：腾讯会议ID：622-947-268
报告时间：2025年12月02日星期二9:00—10:00
邀请人：刘俊
报告摘要：
遥感图像天然具有多维结构特征，采用张量模型进行表示和处理，有助于深入挖掘其空间–光谱相关性与内在结构特征。然而，传统张量表示难以充分刻画遥感图像中复杂而多样的先验性质。如何将张量结构与其他特征表示有效融合，以实现对遥感图像更精确的建模与表征，仍是当前的关键科学问题之一。针对这一问题，本研究从两个方面展开探索。首先，借助深度学习在提取高层次先验信息方面的优势，将深度特征与张量分解相结合，提出利用连续张量表示建模遥感图像，以同时刻画遥感图像的全局相关性与局部光滑性，并在高光谱异常检测和去云任务中验证其有效性。其次，从结构约束的角度出发，将局部特征描述与全局低秩张量建模相融合，构建兼顾全局结构一致性与局部细节保持的联合表示模型，并在遥感图像去云任务中进行实验评估。大量仿真与真实数据结果表明，该方法能够更准确地捕捉遥感图像的潜在结构特征，提取更精细的细节信息，并显著提升相关任务结果的质量与稳定性。
主讲人简介：
冀腾宇，西北工业大学数学与统计学院副教授，博士毕业于电子科技大学。曾赴德国慕尼黑工业大学、德国航空航天中心、新加坡国立大学学术访问。研究方向聚焦于人工智能、科学计算和地球科学的交叉领域，主要包括低秩张量建模、机器学习，以及算法设计。主持国家自然科学基金青年项目和面上项目、主持陕西省自然科学基础研究计划，参与多项国家自然科学基金、国家重点研发计划等。在IEEE TGRS，TNNLS，JSTARS，SIAM J. Imag. Sci.，J. Sci. Comp.，Neurocomput.等学术期刊发表论文30余篇。担任中国图像图形学学会遥感图像专委会委员、中国运筹学会数学与智能分会青年理事，担任美国Mathematical Reviews评论员，IEEE TPAMI，TGRS，TIP，TSP，TNNLS，JSC等期刊审稿人。
学校主页